基于运动场景的热红外非均匀噪声校正方法

技术领域

本发明涉及红外图像处理领域，具体涉及一种基于运动场景的热红外图像非均匀性校正方法。

背景技术

随着红外热成像技术的飞速发展，红外技术已广泛应用于民用、军事等多种领域中。然而热红外相机因其器件材料和制造工艺等原因，在无制冷措施下，环境温度的波动和相机本身的发热会导致相机机芯温度发生变化，进而导致相机机芯内像素属性发生变化，比如热敏电阻值、电阻温度系数、热容、支撑结构的热传导率等，造成像素输出电压值的不均匀性红外图像出现明显的非均匀性，严重影响成像质量。此外，红外图像的非均匀性受外界环境变化的影响较大，因此需对红外图像进行非均匀性校正。目前热红外相机的校正方法可以分为两类：一是基于标定的非均匀性校正方法，二是基于场景的非均匀性校正方法。

在国内外公开的文献中，基于标定的非均匀校正方法，例如在申请号202110531184.4的专利中提出了一种红外成像非均匀性智能标定校正方法和系统，该方法首先对当前采集的红外原始图像进行两点校正，然后将校正后的图像输入经训练的深度卷积神经网络进行非均匀性噪声检测，如果检测结果为含有非均匀性噪声，则启动红外探测器挡片开关，重置红外探测器校正参数。这类基于标定的非均匀性校正方法往往需要采用快门对探测器进行校正才能得到比较好的效果，然而，快门的应用会增加成本、功耗，还会造成成像中断，对于某些要求比较苛刻的场合并不适用。

基于场景的非均匀性校正算法在进行图像校正前不需要对探测器提前做标定，通过对图像场景的估计来获取非均匀性校正参数。根据原理的不同，这类算法有多种，比较有代表性的技术有：恒定统计平均法、基于自适应滤波理论的校正算法、时域高通滤波算法、基于神经网络的校正算法等，但是目前存在的算法往往计算复杂度过高，对场景的内容过于依赖，在工程应用中效果不佳。

发明内容

本发明要克服现有技术中存在的上述缺点，提出一种基于运动场景的热红外图像非均匀性校正方法。

本发明的基于运动场景的热红外图像非均匀性校正方法，预先拍摄一组动态场景图像用于非均匀噪声估计，将运动图像分区，估计出同一区域里不同像素在某一时刻对应非均匀噪声之差，建立噪声数学模型，求解实际非均匀噪声，设计掩模，去除非均匀噪声估计错误部分，对去除异常值后的非均匀噪声图进行填充得到当前实际非均匀噪声。本发明无需快门，在获得较高质量的校正效果同时计算复杂度较低。

本发明方法的具体实施步骤如下：

S1：使用热红外相机记录多张连续的运动场景图像{f

S2：将运动场景图像分为多个非重叠区域。

S3：按如下方法估计相同区域内不同像素在某一时刻对应非均匀噪声之差：

S3.1对于图像{f

S3.2将

S3.3根据

S3.4取s区域内不同像素点，重复步骤3.1～3.4，直至区域内所有像素点都被遍历；

S3.5对于M幅图像，取图像的其他区域，重复步骤3.1～3.5，直至图像所有区域都被遍历。

S4：建立像素间非均匀噪声数学模型，利用最小二乘法近似求解实际非均匀噪声。

S5：设计掩模，去除非均匀噪声估计错误部分。

S6：对去除异常值后的非均匀噪声图做填充，得到完整非均匀噪声图。

本发明的有益效果为：通过基于运动场景估计非均匀噪声的方式，避免了现有基于标定的非均匀性校正方法需要操作红外成像系统中的辐射挡片，使其能广泛应用于不同环境下的非均匀校正。使用改进的中值提取算法，建立鲁棒的模型，基于最小二乘法近似求解非均匀噪声，可有效保证热红外相机输出图像的质量，达到较好的非均匀性校正效果。本发明的研究成果有利于推动红外图像处理领域的发展，具有较高的学术与工程应用价值。

附图说明

图1是本发明方法的流程图。

图2为本发明估计得到的一个异常值掩模示意图。

图3为本发明估计得到的一个非均匀噪声图。

图4a-图4d为本发明实施例效果示意图，其中，图4a是校正前非均匀噪声图，图4b是校正后非均匀噪声图，图4c是校正前非均匀噪声图，图4d是校正后非均匀噪声图。

具体实施方式

以下结合具体实施例和附图进一步说明。基于运动场景的一种热红外非均匀噪声校正方法，计算过程如图1所示，包括以下步骤：

S1：使用热红外相机记录多张连续的运动场景图像，记为{f

根据两帧图像像素差值的绝对值之和是否小于阈值TH

将实际观察到的热红外图像f

f

其中，(i,j)表示探测器阵列对应的行列坐标，x

S2：将图像划分为不重叠的区域，具体为：

将热红外图像{f

S3：根据改进的中值提取算法估计不同像素间非均匀噪声之差，其步骤如下：

S3.1对于图像F，取同一区域s，为避免结果出现块效应，在计算每个区域时，都包含图像上坐标为(0,0)的像素；每个像素依次与区域内其他像素作差，每个差值记为

计算向量

S3.2将

求取新的差值序列

将

S3.3将差值向量

S3.4取s区域内不同像素点，重复步骤3.1～3.4，直至区域内所有像素点都被遍历；

S3.5对于M幅图像，取图像的其他区域，重复步骤3.1～3.5，直至图像所有区域都被遍历。

S4：通过改进的中值提取算法得到不同像素差值的中值，这个中值即为对应像素间非均匀噪声差值。像素间非均匀噪声差值表示为：

其中，o

S5：结合步骤3.3生成的掩膜，去除求解得到的非均匀噪声o′中的异常值；

S6：对于产生空缺的部分，直接根据周边值做填补，本实施例中，计算得到的一个异常值掩膜如图2所示；

将原图像与估计得到的非均匀噪声相减以去除图像中的非均匀噪声和锅盖效应，即可得到校正后的无噪图像。本实施例中，估计得到的一个非均匀噪声图像(见图3)。非均匀噪声去除结果见图4，所有图像已经过线性拉伸，灰度范围为0～255。

本发明提出了一种全新的非均匀噪声估计的建模思路，并设计改进的中值提取算法，能有效的提取不同像素之间非均匀噪声的差值关系。所有处理过程只需要少数原始动态视频帧，避免了传统非均匀校正算法对于场景和视频帧数的严格要求，使其能广泛的应用于不同环境下的非均匀校正。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。